Regressão com dados em painel: efeitos fixos e aleatórios

Apresentação em tema: "Regressão com dados em painel: efeitos fixos e aleatórios"— Transcrição da apresentação:

1 Regressão com dados em painel: efeitos fixos e aleatórios
Métodos Quantitativos Avançados Aula 9

2 Agenda Introdução Por que dados em painel? Tipos de Painel Técnicas
Testes

3 Cortes transversais Séries Temporais Dados em Painel

4 Dados em Painel São um tipo especial de dados combinados nos quais a mesma unidade em corte transversal é pesquisada ao longo do tempo. Têm uma dimensão espacial e outra temporal. Proporcionam informações sobre a dinâmica do comportamento.

5 Por que dados em painel? Levam em conta variáveis individuais específicas Dados mais informativos, mais variabilidade e menos colinearidade Estudo da dinâmica da mudança Permite estudar modelos mais complexos Enriquece análise empírica

6 Tipos de Painel Balanceado Desbalanceado
quando o número de observações for o mesmo para todas as unidades de análise Desbalanceado quando o número de observações não for o mesmo para todas as unidades de análise. (Dados Faltantes)

7 Dados completos

8 Falta de Dados

9 Tipos de Painel Painel Curto Painel Longo
quando o número de observações no corte transversal (N) for maior que o número de períodos de tempo (T) (N>T). Painel Longo quando T for maior que N (T>N).

10 Técnicas Pooled data – Modelo MQO para dados empilhados Efeitos Fixos
Efeitos Aleatórios

11 Exemplo Companhias aéreas Variável dependente: Custo Total (CT)
Dados de 1970 a 1984 6 empresas 90 observações Variável dependente: Custo Total (CT) Variáveis independentes: Produção (Q), Preço Combustível (PF), Fator de Carga (LF)

12 POLS - Pooled Ordinary Least Square
É a técnica de painel mais simples e ingênua Desconsidera as dimensões de tempo e espaço Empilha-se as observações e obtém-se a regressão O principal problema é camuflar a Heterogeneidade que possa existir entre as variáveis. Os coeficientes estimados na equação, podem ser tendenciosos e inconsistentes

13 Sugere que existe autocorrelação nos dados

14 Efeitos Fixos Combina-se todas as observações, deixando que cada unidade de corte transversal tenha sua própria variável dummy (intercepto) O termo “efeitos fixos” deve-se ao fato de que, embora o intercepto possa diferir entre os indivíduos (no caso, seis empresas aéreas), o intercepto de cada indivíduo não varia com o tempo; ele é invariante no tempo

15 Assume valor 1 para todas as observações sobre a 1ª empresa e 0 caso contrário

16

17

18 Modelo de efeitos fixos dentro de um grupo (fixed effects within-group model)
Combinamos todas as observações, mas para cada empresa expressamos cada variável como um desvio de seu valor médio e, então, estimamos uma regressão de MQO contra esses valores corrigidos para a média. (Gujarati, 2011, p. 590)

19 Corrigidos para a média

20

21 Se as variáveis dummies representam de fato a falta de conhecimento sobre o (verdadeiro) modelo, por que não expressar isso por meio do termo de erro?

22 Efeitos Aleatórios Propõe diferentes termos de intercepto para cada observação, contudo, interceptos fixos ao longo do tempo Assume-se que os interceptos surgem a partir da intersecção comum α, além de uma variável aleatória 𝜖 que varia na seção transversal

23 erro combinado da série temporal e corte transversal e às vezes chamado de termo idiossincrático, porque varia com o corte transversal (isto é, o indivíduo) e também com o tempo

24 Mínimos Quadrados Generalizados (MQG ou GLS)

25 Aleatório: CT = 107429,3 + 2288588 C + 1,123591 PF – 3084994 LF
Pooled: CT = Q + 1, – LF Fixo: CT = Q + 0, PF – ,2 D D D D D6 Aleatório: CT = , C + 1, PF – LF Considerar o efeito do slide anterior

26 Qual modelo usar?

27 Costuma-se dizer que o modelo de efeitos aleatórios é mais apropriado quando as entidades da amostra podem ser consideradas como tendo sido selecionadas aleatoriamente da população, mas um modelo de efeito fixo é mais plausível quando as entidades incluídas na amostra constituem efetivamente toda a população

28 Teste de Chow Teste de Chow
Teste para escolher entre efeito fixo e pooled H0: Utilizar pooled A hipótese nula sugere que há igualdade de interceptos e inclinações para todas as companhias (POLS)

29 Teste de Hausman Teste de Hausman
Para escolher entre efeito fixo e efeito aleatório H0: Utilizar efeito aleatório Se a hipótese nula for rejeitada, a conclusão é que o MCE não é adequado, porque os efeitos aleatórios provavelmente estão correlacionados com um ou mais regressores. Nesse caso, o modelo de efeitos fixos é preferível aos de efeitos aleatórios/componentes dos erros.

30 Teste de Breusch-Pagan
Teste BP (Breusch-Pagan) Teste para escolher entre efeito aleatório e pooled H0: Utilizar pooled Não apresentaremos a fórmula que fundamenta o teste, pois é bastante complicada (GUJARATI, 2011, p. 602)

31 Se os resultados dos testes não sugerem diferenças entre os modelos qualquer um deles pode explicar adequadamente os resultados A argumentação teórica pode ser mais convincente que os próprios testes!

32 Resumindo... Chow Pooled Fixo BP Pooled Aleatório Hausman Aleatório

33 Conclusão do exemplo modelo de efeitos aleatórios não é adequado neste exemplo teste BP reforça o teste de Hausman

34 Bibliografia GUJARATI, Damodar N.; PORTER, Dawn C. Econometria Básica – Quinta Edição

35 Terça-feira das 16h às 18h Sala 39 C2
Dúvidas adicionais? Terça-feira das 16h às 18h Sala 39 C2

36 Obrigado